Professional Documents
Culture Documents
1
Si intentsemos calcular, por ejemplo (4)!, por definicin deberamos escribir: (4) (3) (2) (1) 0
1 = 0 , es decir, el 0 siempre aparecera en un factorial de un entero negativo, y dicho factorial sera siempre 0.
No tiene sentido, por tanto, calcular el factorial en este caso
2. De cuntas formas se puede entregar el Premios al primer clasificado, al segundo, al
tercero, y al cuarto entre 5 pelculas diferentes en un festival de cine?
El primer Premio se puede dar de 5 maneras, el segundo tambin, el tercero tambin y el
cuarto tambin.
Por tanto hay 54 = 625 posibilidades.
Las muestras ordenadas y con repeticin se denominan Variaciones con repeticin y lo
expresaremos: VRkn = nk.
Ejercicio:
Cuntos nmeros de tres cifras (no necesariamente distintas) pueden formarse con los dgitos
1,6,7,8,9?
1.3. Muestras no ordenadas
PROBABILIDADES
La probabilidad y la estadstica son, sin duda, las ramas de las Maten ticas que estn en mayor
auge en este siglo, y tienen una tremenda aplicabilidad en todos los aspectos y ciencias,
especialmente en las Ciencias Sociales, puesto que aquellas variables que influyen en dichas
ciencias, econmicas, demogrficas, suelen tener carcter aleatorio, es decir, no son
deterministas, y se fundamentan en predicciones a partir de datos conocidos. Todo aquello que
implique prediccin nos lleva al terreno de la probabilidad.
2.1. Experimentos aleatorios
En todos los aspectos de la vida a veces nos encontramos con acontecimientos predeterminados,
es decir, tales que podemos decir el resultado de dichos acontecimientos antes de que finalice o
incluso de que comience. Tal es el caso de:
1. Tirar una piedra desde un edificio ( sabemos que se caer).
2. Calentar un cazo de agua ( sabemos que la temperatura sube).
3. Golpear una pelota ( sabemos que se va a mover, e incluso conociendo fuerzas que actan
etc., podemos conocer precisamente dnde caer ).
Tales acontecimientos o experimentos de los que podemos predecir el resultado antes de que se
realicen se denominan experimentos deterministas.
Sin embargo, analicemos otro tipo de experimentos, mucho ms interesantes desde el punto de
vista matemtico:
Imaginemos que lanzamos un dado al aire (normal, de 6 caras y no trucado). Podemos predecir
el resultado que vamos a obtener?. Evidentemente no. Este es un experimento que no es
determinista.
A este tipo de experimentos, en los cuales no se puede predecir el resultado antes de realizar el
experimento se les denomina experimentos aleatorios.
Otros ejemplos de experimentos aleatorios pueden ser:
Tirar una moneda al aire y observar qu lado cae hacia arriba, rellenar una quiniela de ftbol,
jugar una partida de pker y, en general, cualquier juego en el que intervenga el azar.
2.2. Definiciones bsicas
La teora de probabilidades se ocupa de asignar un cierto nmero a cada posible resultado que
pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y saber si
un suceso es ms probable que otro o relaciones parecidas. Con este fin, introduciremos algunas
definiciones.
Si realizamos un experimento aleatorio, llamaremos espacio muestral del experimento al
conjunto de todos los posibles resultados de dicho experimento.
Al espacio muestral lo representaremos por E (o bien por la letra griega omega ).
A cada elemento que forma parte del espacio muestral se le denomina suceso elemental.
Ejemplo:
1. Cul es el espacio muestral asociado al experimento de lanzar un dado normal al aire y
observar la cara que queda hacia arriba?
Evidentemente, en este caso hay 6 posibles resultados (6 puntos muestrales) y el espacio
muestral estar formado por: E = {1,2,3,4,5,6}.
2. Y en el caso del lanzamiento de una moneda?
Entonces E={C,X}
Ejercicios:
1. Escribir el espacio muestral asociado al experimento de sacar una carta de entre las diez del
palo de copas de una baraja espaola.
2. Escribir el espacio muestral asociado al experimento de lanzar dos dados de diferentes
colores y observar la pareja de nmeros que se obtiene.
3. Escribir el espacio muestral asociado al experimento de lanzar dos dados de diferentes
colores y sumar los nmeros que se obtienen.
Llamaremos suceso aleatorio a cualquier subconjunto del espacio muestral. El concepto de
suceso es fundamental en probabilidad. Dicho de forma simple, un suceso de un experimento
aleatorio es cualquier cosa que se nos ocurra afirmar sobre dicho experimento.
As, si tiramos una moneda dos veces, seran sucesos todos los siguientes:
1. Sale al menos una cara.
2. Salen ms caras que cruces.
3. La moneda cae de canto.
4. No sale ninguna cruz.
Llamaremos suceso imposible al que no tiene ningn elemento y lo representaremos por .
Llamaremos suceso seguro al formado por todos los posibles resultados (es decir, al espacio
muestral).
Llamaremos espacio de sucesos y lo representaremos por S, al conjunto de todos los sucesos
aleatorios.
Ejemplo:
1. En el caso del lanzamiento de la moneda en el que el espacio muestral era E={C,X},
analicemos quin es el espacio de sucesos:
Sucesos con 0 elementos:
Sucesos con 1 elemento: {C}, {X}
Sucesos con 2 elementos: {C, X}
De modo que el espacio de sucesos es: S = {, {C}, {X}, {C, X}}.
2. En el caso del lanzamiento de dos monedas, si haces el diagrama de rbol obtienes el
siguiente espacio muestral:
E = {(C, C), (C, X), (X, C), (X, X)}
El espacio de sucesos tiene ahora 16 elementos, que puedes intentar escribir, siguiendo el
esquema anterior, desde los sucesos con 0 elementos hasta aquellos que tienen 4 elementos.
Si describimos los sucesos que ponamos antes como ejemplos, obtenemos:
a. Sale al menos una cara = {(C, C), (C, X), (X, C)}
b. Salemas caras que cruces = {(C, C)}
c. La moneda cae de canto =
d. No sale ninguna cruz = {(C, C)}
3. En el caso del lanzamiento del dado el espacio de sucesos es mucho ms amplio (64
elementos.
Sera interesante que intentases escribirlos todos o al menos te dieses cuenta de cmo son ,
aunque no los escribas todos)
En este mismo ejemplo, se puede considerar el suceso A= sacar un nmero par. De qu
puntos muestrales consta el suceso A?. Evidentemente, A = {{2}, {4}, {6}}.
Otros sucesos pueden ser: B = Sacar un nmero mayor que 5 {{6}}.
C = Sacar un nmero par y menor que 5 {{2}, {4}}.
Ejercicio:
Una urna contiene dentro 4 bolas de las cuales 2 son blancas, 1 roja y otra azul. Se saca una bola
de la urna.
a. Escribir el espacio muestral.
b. Escribir los sucesos no sacar bola azul y sacar bola roja o blanca.
c. Escribir el espacio de sucesos.
Los sucesos admiten una representacin grfica que facilita su interpretacin; del modo:
. Imagen 2 corresponde a B
Figura 2.8: Imagen 1 corresponde a A . Imagen 3 corresponde a
B
A .
Observando los dos resultados, vemos que las partes rayadas son iguales, por lo que la igualdad
es cierta.
Ejercicio:
1. Mediante un procedimiento similar, demostrar la segunda ley de De Morgan.
2. Luisa y Mara interviene en un torneo de ajedrez. La primera que gane dos partidas
seguidas o tres alternas gana el torneo. Encuentra el espacio muestral con todos los
resultados posibles (suponemos que nunca hacen tablas).
(Indicacin: Utiliza un diagrama de rbol).
3. Consideramos el fenmeno aleatorio extraer una carta de una baraja de 40 y anotarla.
Sean los sucesos A= sacar oro, B= sacar rey, C= sacar el rey de bastos.
Determina los sucesos: A C, A B C, A B C, A
B
2.4. Asignacin de probabilidades. Regla de Laplace
Hasta el momento hemos descrito lo que es un experimento aleatorio y hemos definido
los conceptos bsicos asociados a este experimento. Nos falta responder a esta pregunta:
Cmo asignar probabilidades a cada uno de los sucesos de un experimento aleatorio?
Hay muchas maneras de asignar probabilidades. La ms sencilla e intuitiva la dio el
maten tico francs Pierre Simn Laplace (1749-1827), quin enunci la regla que lleva
su nombre:
Regla de Laplace:
Si realizamos un experimento aleatorio en el que hay n puntos muestrales, todos
igualmente probables, entonces si A es un suceso, la probabilidad de que ocurra el
suceso A es:
nmero de casos favorables al suceso A
p(A) =
nmero de casos posibles
Ejemplo:
Lanzamos un dado normal al aire. Consideramos el suceso A= sale par. Calcular
p(A).
Hay seis casos posibles, pues E = {1,2,3,4,5,6}.
Los casos favorables al suceso A son A = {2,4,6}.
3 1
Por tanto p(A) = 6 = 2 = 0.5.
(Notemos que la probabilidad siempre es un nmero positivo y menor, o a lo sumo igual
a 1).
El inconveniente que plantea la definicin de Laplace es que necesariamente los puntos
muestrales tienen que tener la misma probabilidad de ocurrir.
Observemos un caso tan sencillo como el siguiente:
De una urna que contiene 8 bolas rojas, 5 amarillas y 7 verdes se extrae una bola al azar.
Calcula la probabilidad de que la bola extrada sea :
a. roja
b. verde
c. amarilla
El espacio muestral en este caso sera: E={R,V,A}, que consta slo de tres elementos,
pero sera un poco ingenuo asignar las probabilidades mediante la regla de Laplace,
1 1 1
p(R) = 3, p(V) = 3, p(A) = 3
porque ya intuitivamente se ve que hay ms posibilidades, por ejemplo, de que salga
una bola roja que de que salga una bola amarilla, de modo que .cmo asignar
probabilidades?
Fue el maten tico ruso Kolmogorov quin precis este trmino:
Definicin axiomtica de probabilidad:
Una probabilidad p es una funcin que asocia a cada suceso A del espacio de sucesos S ,
un nmero real p(A), es decir: p: S R , y que cumple las propiedades:
1. 0 p(A) 1, (es decir, cualquier suceso tiene probabilidad positiva y menor o igual
que 1).
2. p(E) = 1 (la probabilidad del suceso seguro es 1).
3. Si A y B son incompatibles, es decir A B = , entonces p(A B) = p(A) + p(B).
(es decir la probabilidad de la unin es la suma de las probabilidades si los sucesos
tienen interseccin vaca).
Ejemplo:
Sea un experimento aleatorio cualquiera y definamos en S (espacio de sucesos) la
siguiente probabilidad:
nmero de elementos del conjunto A
p(A) =
nmero total de elementos
Comprobemos que p es una probabilidad.
Para ello, comprobemos las tres propiedades:
a. Se ve que la probabilidad de cualquier suceso est entre cero y uno, puesto que
cualquier conjunto que tenga elementos ya tendr probabilidad positiva, y el nmero
de elementos de cualquier conjunto no puede ser mayor que el nmero total de
elementos existentes.
b. p(E) = 1, es evidente.
c. Tomemos dos sucesos A y B que no tengan elementos en comn. Entonces:
elementos que forman parte de A o de B
p(A B) = =
nmero total de elementos
nmero de elementos de A + nmero de elementos de B
= = p(A) + p(B)
nmero total de elementos
puesto que si A y B no tienen elementos comunes, el nmero de elementos de la
unin es la suma de los elementos de cada conjunto por separado.
Por tanto se cumplen las 3 propiedades y p as definida es una probabilidad. Esta ser
la definicin de probabilidad que utilicemos a partir de ahora.
Ejemplo:
En el ejemplo de las urnas anterior, lo lgico es definir la probabilidad as: Como en
8 7
total hay 20 bolas y 8 son rojas, 7 verdes y 5 amarillas, p(R) = 20, p(V) = 20, p(A) =
5
. Se puede comprobar que as definida p es una probabilidad.
20
Sin embargo, comprobar las propiedades de la definicin de Kolmogorov es una labor
larga y engorrosa, puesto que hay que verificar que se cumple para todos aquellos
sucesos del espacio de sucesos S, que es ciertamente amplio en muchas ocasiones. El
siguiente resultado simplifica la tarea de decidir cundo una funcin p sobre el espacio
de sucesos es una probabilidad, basndose slo en los puntos muestrales, es decir,
aquellos que forman parte del espacio muestral. Lo enunciaremos sin demostracin:
Propiedad
Si w1 , w2 , . . . , wn son los n puntos muestrales de un suceso aleatorio cualquiera, p una
funcin p: S R de modo que cumple las propiedades:
1. 0 p(wi) 1 i {1, 2, . . . , n}
2. p(w1 ) + p(w2 ) + + p(wn ) = 1
Entonces p es una probabilidad.
Ejemplo:
Comprobar si las siguientes funciones definidas para los puntos muestrales son
probabilidad, siendo E={a,b,c,d} el espacio muestral del experimento aleatorio:
1 1 1 1
a. p(a) = , p(b) = , p(c) = , p(d) =
2 3 4 5
Es obvio que la primera propiedad se cumple, puesto que las cuatro probabilidades
son nmeros positivos menores que 1.
Para ver si se cumple la segunda, basta realizar la suma:
1 1 1 1 30 + 20 + 15 + 12 77
+ + + = =
2 3 4 5 60 60
que evidentemente NO es 1, luego p NO es probabilidad.
1 1 1
b. p(a) = 4, p(b) = 2, p(c) = 0, p(d) = 4
Es obvio que la primera propiedad se cumple, puesto que las cuatro probabilidades
son nmeros positivos o cero menores que 1.
Para ver si se cumple la segunda, basta realizar la suma:
1 1 1 1+2+1
+ + = =1
4 2 4 4
luego p S es probabilidad.
Consecuencias de la definicin de probabilidad:
1. p(A ) = 1 p(A)
En efecto, puesto que E = A A y adems A y A son incompatibles, resulta por la
propiedad (3) de la definicin que
p(E) = p(A A ) = p(A) + p(A )
Y por la propiedad (2), p(E) = 1, luego 1 = p(A) + p(A ) y por tanto p(A
) = 1
p(A).
2. p() = 0
Como E = , resulta que p(E
) = p() = 1 p(E) = 1 1 = 0.
3. Si A y B son dos sucesos cualesquiera, p(A B) = p(A) + p(B) p(A B).
4. Si A, B y C son tres sucesos cualesquiera,
p(A B C)
= p(A) + p(B) + p(C) p(A B) p(A C) p(B C) + p(A
B C)
Ejemplo:
Se tira una moneda 3 veces. Calcular la probabilidad de obtener alguna cara.
Los problemas de este tipo, en los que se pide la probabilidad de obtener alguna cosa,
se suelen resolver muy bien por paso al complementario. En este caso concreto, A=
obtener alguna cara.
= no obtener ninguna cara = obtener 3 cruces.
A
1
Entonces, p(A) = 8, pues hay 8 casos posibles (2 2 2, !haz el diagrama de rbol!) y
slo uno favorable (XXX, 3 cruces), por tanto: p(A ) = 1 p(A) = 1 1 = 7.
8 8
Ejercicio:
Calcular la probabilidad de obtener al menos 1 seis si se lanza 4 veces un dado.
Ejemplo:
Se lanza un dado dos veces y se suman las dos caras. Sea A el suceso A= la suma de
resultados es mayor o igual que 10 y B= la suma de los resultados es mltiplo de 6.
Calcular p(A), p(B) y p(A B).
Hay 36 posibles resultados al lanzar dos veces un dado. Cuntos de ellos suman 10 o
ms?
Que sumen 10: (4,6), (5,5), (6,4)
Que sumen 11: (5,6), (6,5)
Que sumen 12: (6,6)
6 1
Por tanto, p(A) = = .
36 6
Cuntos hay que sumen mltiplo de 6?
Que sumen 6: (1,5), (2,4),(3,3), (4,2), (5,1)
Que sumen 12: (6,6)
6 1
Por tanto, p(B) = 36 = 6.
1
En cuanto a A B = (6, 6), luego p(A B) = 36.
Ejercicios:
1. Se ha encargado la impresin de una encuesta a una imprenta, que imprime 12 folios
defectuosos de cada 1 000. Hallar la probabilidad de que elegido un folio de la
encuesta al azar:
a. Est mal impreso.
b. Est correctamente impreso.
2. Una bolsa contiene 8 bolas numeradas. Se extrae una bola y anota su nmero. Sean
los sucesos A= salir par, B= salir impar, C= salir mltiplo de 4.
Calcular las probabilidades de A B,A C,B C,A B C.
3. Extraemos una carta de una baraja espaola. Calcula:
a. La probabilidad de que sea un rey o un as.
b. La probabilidad de que sea un rey o una copa.
c. La probabilidad de que sea un rey y una copa.
4. En el banquete posterior a una boda se sientan en la presidencia 10 personas, entre
los cuales se encuentran los novios. Calcular la probabilidad de que los novios estn
juntos en el centro de la mesa.
2.5. Probabilidad condicionada
Hasta ahora nos hemos limitado a calcular probabilidades nicamente partiendo de un
experimento aleatorio, sin tener ms informacin. Pero, qu ocurre si conocemos alguna
informacin adicional?
Supongamos que estamos realizando el experimento aleatorio de lanzar un dado y obtener el
1
nmero que sale. Consideremos el suceso A= sale un 4. Evidentemente, p(A) = .
6
Ahora bien, .variara esta probabilidad si al lanzar el dado alguien pasa por all y nos dice que ha
salido un nmero par?
Disponemos entonces de una informacin adicional, B = {2,4,6}.
Hemos reducido nuestro espacio muestral, que ahora slo consta de tres elementos y tenemos
que cambiar las probabilidades asignadas.
Ahora el suceso A no tiene una posibilidad entre seis de ocurrir, sino una entre tres, es decir,
1
p(A) = .
3
Esta es la idea de la probabilidad condicionada: La informacin obtenida B, modifica la
1
probabilidad de A. Lo expresaremos as: p(A|B) = y se lee probabilidad de A condicionada a
3
B o probabilidad de A conociendo B.
El caso anterior es muy sencillo, pues directamente podemos calcular p(A|B), pero si el espacio
muestral se ampla, el problema es ms complicado. La frmula siguiente simplifica el
problema.
Definicin:
Sea A un suceso aleatorio asociado a un experimento aleatorio, y sea B otro suceso que sabemos
que se ha realizado.
Llamaremos probabilidad de A condicionada a B y lo expresaremos por p(A|B)a la expresin:
p(A B)
p(A|B) =
p(B)
(de idntico modo se define p(B|A), escribe la frmula).
Ejemplo:
3 1
Para el caso anterior, A = {4}, B = {2,4,6} luego p(B) = = .
6 2
1
A B = {4} luego p(A B) = .
6
p(AB) 16 2 1
Luego, p(A|B) = = = = , es lo mismo que obtenamos antes directamente.
p(B) 12 6 3
Ejercicios:
1. Calcula la probabilidad de que la suma de las caras de dos dados sea mayor a igual que 10
sabiendo que en el primer dado ha salido un seis.
2. Se lanzan dos dados: cul es la probabilidad de obtener una suma de puntos igual a siete?
Si la suma de puntos ha sido 7, .cul es la probabilidad de que en alguno de los dados haya
salido un 3?
2.6. Sucesos independientes
Si bien el conocer cierta informacin adicional modifica la probabilidad de algunos sucesos,
puede ocurrir que otros mantengan su probabilidad, pese a conocer dicha informacin.
Por ejemplo, en el lanzamiento de un dado, consideremos los sucesos: A= sacar un nmero
par y B= sacar un nmero menor o igual que 2. Es claro que A = {2,4,6} y B = {1,2}.
Calculemos la probabilidad de A conociendo que se ha realizado el suceso B, es decir, p(A|B).
Utilizando la frmula:
p(A B) 16 3 1
p(A|B) = = = = = 0.5
p(B) 13 6 2
1 1
puesto que p(A B) = p(sacar par y menor o igual que 2) = y p(B) = .
6 3
Pero si no conocisemos la informacin B, cul sera la probabilidad de A?
3
p(A) = p(sacar par) = = 0.5, es decir que p(A|B) = p(A), y por tanto el conocer la
6
informacin B no modifica la probabilidad de A.
Cuando esto ocurre es decir, cuando p(A|B) = p(A), diremos que los sucesos A y B son
independientes (el hecho de que ocurra B no modifica la probabilidad de A).
Propiedad:
A y B son sucesos independientes siempre y cuando p(A B) = p(A) p(B) (criterio de
independencia de dos eventos).
Demostracin:
Necesidad Si A y B son independientes, p(A|B) = p(A), y por la frmula de la probabilidad
p(AB) p(AB)
condicionada, p(A|B) = , luego = p(A), y por tanto p(A B) = p(A) p(B).
p(B) p(B)
Suficiencia Partiendo de p(A B) = p(A) p(B), entonces
p(A B) p(A)p(B)
p(A|B) = = = p(A)
p(B) p(B)
luego p(A|B) = p(A) y por tanto A y B son independientes.
Ejemplo:
1 1
En el caso anterior, p(A B) = 16, y por otra parte p(A) = y p(B) = ,luego se cumple que
2 3
1 1 1
p(A B) = = = p(A) p(B), luego A y B son independientes.
6 2 3
Ejercicio:
2 1
De dos sucesos conocemos que p(A B) = y p(A) = , calcula p(A B) y p(B) para que A
3 5
y B sean independientes.
(Indicacin: Utilizar la frmula de la unin de dos sucesos y la de la independencia de sucesos).
7 7
(Solucin: p(B) = , p(A B) = ).
12 60
NOTA IMPORTANTE:
No se deben confundir los conceptos de sucesos incompatibles y sucesos independientes. Dos
sucesos son incompatibles cuando no tienen elementos en comn, es decir, A B = , o con
diagramas de Venn:
Figura 2.10: Diagrama de rbol para la extraccin de sota(S) u otra carta (S)
Nota:
Este mismo resultado se podra haber obtenido sin usar la probabilidad condicionada, del modo:
40
Formas de elegir 2 cartas de entre 40 = ( ).
2
4
Formas de elegir 2 sotas entre 4 = ( ).
2
casos favorables (4) 6 1
2
Por la regla de Laplace, p(obtener 2 sotas) = = = = .
casos posibles (40) 780 130
2
Ejercicios:
1. Una urna contiene 9 bolas rojas y 5 negras. Se extraen sucesivamente 2 bolas. Calcula la
probabilidad de que:
a. la primera bola sea roja y la segunda negra.
b. una sea roja y la otra negra.
2. En una bolsa hay 4 canicas rojas, 4 azules y 2 verdes. Se extraen 3 canicas que resultan ser 2
rojas y una azul. Sin devolverlas a la bolsa se saca otra canica, .de qu color es ms probable
que salga?
Ejemplo:
Tenemos dos urnas, una con 7 bolas rojas y 2 azules, y otra con 3 bolas rojas y 8 azules.
Tiramos un dado. Si nos sale un 3 o un 5, sacamos una bola de la primera urna y en caso
contrario, sacamos una bola de la segunda urna. cul es la probabilidad de que la bola extrada
sea azul?
Evidentemente estamos realizando un experimento compuesto. En primer lugar, se trata de
elegir una urna, para lo cual lanzamos un dado. Si U1 = elegir la urna 1 y U2 = elegir la urna
2 1 4 2
2, es claro que p(U1 ) = = y p(U2 ) = = .
6 3 6 3
Por otra parte, luego realizamos otro experimento consistente en sacar una bola de la urna
elegida.
2
Si A es el evento sacar una bola azul, las probabilidades que conocemos son p(A|U1 ) = y
9
8
p(A|U2 ) = . Se nos pide p(A). Para calcular dicha probabilidad, si representamos el diagrama
11
de rbol: